Détecteur de visages Viola-Jones

Le projet d’exemple Viola-Jones fourni avec la CMUcam3 est un exemple de détecteur de visages léger. L’algorithme est basé sur le célèbre article « Robust Real-Time Face Detection » de P. Viola et M. Jones de 2004 (viola-ijcv04.pdf). L’implémentation sur la CMUcam3 renverra les coordonnées des cadres où elle détecte un visage dans l’image. Si vous testez ce code avec un arrière-plan relativement uniforme (comme un mur blanc), il fonctionne raisonnablement bien. Les images sont entraînées à partir de la base de données de visages de CMU de sorte qu’elles se généralisent à tous les visages. Parfois, certains visages présentant des caractéristiques absentes de la base de données peuvent perturber le détecteur.

The paper (viola-ijcv04.pdf) introduces a novel technique to detect faces in real-time and with very high detection rate. It is essentially a feature-based approach in which a classifier is trained for Haar-like rectangular features selected by Adaboost. The test image is scanned at different scales and positions using a rectangular window, and the regions which pass the classifier are declared as faces. One of the major contributions of this paper is the extremely rapid computation of these features using the concept of Integral Image, which enables the detection in real-time. Additionally, instead of learning a single classifier and computing all the features for all the scanning windows in the image, a number of classifiers are learnt which are put together in a series to form a cascade. The classifiers in the beginning of the cascade are simpler and consist of smaller numbers of features. However, as one proceeds in the cascade, the classifiers become more complex. A region is reported as detection only if it passes all the classifier stages in the cascade. If it is rejected at any stage, it is discarded and not processed further. This way, the easier patches in the image which the « cascade of classifiers » is sure of not being a face, are rejected very early while the difficult regions are operated on by more complex classifiers. This greatly speeds up the detection process without compromising on the accuracy and provides high detection rate. This overall system provides performance comparable to the existing best face detector systems (Rowley et al., 1998 CVPR00.pdf; Schneiderman and Kanade, 2000 nips00.pdf; Roth at al., 2000 rowley-ieee.pdf) but with orders of magnitudes faster than any of these systems. On a conventional desktop, it can detect faces at 15 frames per second.

Vous trouverez plus d’informations sur le détecteur de visages Viola-Jones et son implémentation sur la CMUcam3 dans notre document CC3 Face Detector.

Utilitaires et images supplémentaires

• generate_feat_in_struct_for_C.m

  • Ce fichier Matlab affiche le modèle adaboost appris dans un fichier texte afin qu’il puisse être facilement importé dans vj.h

• get_scaled_feature.m

  • Ce fichier est utilisé par generate_feat_in_struct_for_C.m

• Images de test que nous avons utilisées pour le détecteur de visages viola-jones

  • Face DB Face DB2